البرمجة الكائنية

الصنف والكائن

class Dataset:
    def __init__(self, name, samples):
        self.name = name          # سمة
        self.samples = samples

    def size(self):               # دالة (method)
        return len(self.samples)

ds = Dataset("iris", [1, 2, 3])
print(ds.name, ds.size())         # iris 3

self يشير إلى الكائن الحالي، ويُمرر تلقائياً عند الاستدعاء.

الوراثة

class ImageDataset(Dataset):
    def __init__(self, name, samples, size_px):
        super().__init__(name, samples)
        self.size_px = size_px

    def describe(self):
        return f"{self.name}: {self.size()} صور بحجم {self.size_px}"

super() تستدعي دوال الصنف الأصلي.

الدوال الخاصة

دوال تبدأ وتنتهي بشرطتين سفليتين تتيح دمج الصنف مع اللغة:

class Vector:
    def __init__(self, x, y):
        self.x, self.y = x, y
    def __add__(self, other):
        return Vector(self.x + other.x, self.y + other.y)
    def __repr__(self):
        return f"Vector({self.x}, {self.y})"

Vector(1, 2) + Vector(3, 4)   # Vector(4, 6)

__len__ و__getitem__ تجعلان الكائن يدعم len() والفهرسة، وهذا ما يطلبه صنف Dataset في PyTorch.

البرمجة الكائنية في الذكاء الاصطناعي

import torch.nn as nn

class TinyNet(nn.Module):
    def __init__(self):
        super().__init__()
        self.fc = nn.Linear(4, 3)
    def forward(self, x):
        return self.fc(x)

تعرّف الطبقات في __init__ وتحدد طريقة الحساب في forward. الفهم الجيد للأصناف والوراثة يجعل قراءة هذه الشيفرات طبيعية.